标题:
Html源文件中image标签的析取
[打印本页]
作者:
admin
时间:
2008-1-19 23:31
标题:
Html源文件中image标签的析取
今天介绍一种从指定网页源文件中析取image标签的的编程技巧，即从网页源文件中，解析出所有的插图文件名（包括图片路径）,也就是标签＜img src=".../... /abc.jpg"＞ 中的文件名".../.../abc.jpg"(有的可能是gif格式)。编程环境：PHP+Apache for Win98。
5 u! @+ \$ ?) R: o6 b- U* r
5 \0 r b* h) K1 s( `
首先, 用文本编辑器新建一个PHP类型的文件：abstractSRCfrompage.php3。为了方便讲解，我们打算是在浏览器表单域中输入需要析取image标签的网页的URL（或本机文档），提交后执行析取操作，所以在该文件中，我们要建立一个用于输入网址的表单，举例如下：
* Q. W0 |! `! u6 U
: T# T: C6 l( ]9 i7 B2 O" L' D
$ t( G& A( F5 `
＜form action=" abstractSRCfrompage.php3" method="post"＞
5 `: [. N1 m! }6 W% |- y
输入网址＜input type=text name=filename＞＜br＞
% V7 Y2 H! |0 y; M' X0 Q& }9 k
＜input type=submit name=submit value="提交"＞
, z5 z; h+ F1 o: w9 w( T- \% z
＜/form＞
) u5 Z7 B& O' o1 I; c+ N
; b' W0 h3 A! ]. }' T, X7 q: d
- [3 |% d D9 c9 U# W6 f
输入正确的网址，提交后表单信息被送到abstractSRCfrompage.php3页面，由于表单本身就在该页面，所以相当于被送到自身页面，下面我们需要编写析取处理的PHP代码，紧接着表单代码段后写入如下代码：
9 J" B1 S: s2 l7 ^/ R! v
" H+ r$ D) V: v) y& s7 h5 B
+ N: t/ ?' o& z0 H$ s2 R
＜?php
: c0 @$ C" \& k' }% X" s( k
if ($filename!=""){
, t: v! v$ E6 Y% f0 @
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
7 S3 p6 |9 @4 ^ P
while ($buffer = fgets($fp, 1024)) {
% N& y. z C3 B, X/ d+ f
$source .=$buffer; }
, R, S& n" N5 }- p& k
fclose($fp);
. E# e* e7 ]% e; C
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
$ D# C3 j( f( y1 d
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
5 F* ?. w/ v Z" E. I
echo "找到图片标签:)＜br＞";}
. q4 `/ `, Z# \) t$ R! ?' m+ Q
else{
/ B* [! `& s9 G! V9 c0 C
echo "未发现图片标签:(＜br＞";}
- @0 X1 D* S& }( O4 Z4 V
file://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，
* z5 T2 E, \: n8 A8 u7 l+ W0 b0 k
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
9 m. Q; U& A4 B; ]
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
! g8 k8 d5 a- ?
for($i=1;$i＜sizeof($splitres);$i++){
% k+ m9 u: v3 r
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
9 z9 K4 z( m a% l& e
unset($imgname); // 再次使用前删除imgname变量；
! \ E) `0 _% \$ g: P" E# a
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
: _/ }$ B9 h- q
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
$ t4 [& i$ w) E" h/ h3 @# D
}
5 c1 ?) U+ w- J4 {! _
}
6 `* h% i5 q5 w/ @+ r
?＞
. O( T" j4 E* J8 H5 P
J1 d) [- x7 J2 ]+ Q' {1 {1 Y
- o5 ?" v3 Q) y3 k' I {% y g* p
该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
7 N! C' `8 @6 i) T4 E
/ X$ r& U' M+ X4 T( y- u
其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
; s1 \$ M- O# ]5 S, l6 O
$ u* h% d$ g& F9 y c
好了，写好后，将abstractSRCfrompage.php3存到你的服务器指定目录下，启动Apache服务器，在浏览器中打开它，随便输入一个存在的网页名称或是远程URL,看看效果如何。
" b. y& j$ i5 ^3 ^: A7 k- A" M
3 a6 X, Z4 i) f6 d
如果有兴趣，你可以尝试析取HTML文档中的任意感兴趣的信息，如果稍加改装，做一个网站文本搜索引擎岂不更妙？
欢迎光临 捌玖网络工作室 (http://www.89w.org/)
Powered by Discuz! 7.2
